현장 영상 기반 골재 형태 분석 프레임워크

본 논문은 건설 현장과 채석장 등에서 생산·사용되는 다양한 크기와 형태의 골재(모래, 자갈, 파쇄석, 리프랩 등)의 형태학적 특성을 정량적으로 파악하기 위한 통합 영상 기반 프레임워크를 제안한다. 기존의 현장 품질 관리 방법은 체질·캘리퍼 등 물리적 도구에 의존하거나, 실험실에서 제한된 조건 하에 촬영된 이미지에 기반한 분석에 머물러 있어, 대규모·비정형 골재에 적용하기 어렵다는 한계가 있었다. 이를 극복하고자 저자는 세 가지 시나리오(개별 비중첩 골재, 2D 이미지 기반 스톡파일, 3D 포인트 클라우드 기반 스톡파일) 각각에 최적화된 알고리즘을 개발하고, 이를 하나의 프레임워크로 통합하였다. 1. **개별 골재 부피 재구성** - 현장 촬영용 저비용 컬러 카메라와 삼각대를 이용해 골재를 다양한 조명 조건에서 촬영한다. - 색 기반 세그멘테이션 알고리즘은 HSV 색공간에서 적응형 임계값을 적용해 골재와 배경을 구분한다. 강한 햇빛·그늘에서도 경계 검출이 견고하도록 히스토그램 평활화와 모폴로지 연산을 결합하였다. - 두 장의 직교 이미지(전면·측면)에서 골재 윤곽을 추출하고, orthogonal intersection 기법을 통해 3차원 부피를 계산한다. 이때, 이미지 왜곡 보정을 위해 카메라 캘리브레이션 매트릭스를 사전에 측정한다. - 실험 결과, 현장 측정값과 실험실 기준 부피 사이의 평균 오차는 5 % 이하이며, 기존 캘리퍼·체질법 대비 12 % 이상의 정확도 향상을 보였다. 2. **2D 이미지 기반 스톡파일 인스턴스 세그멘테이션** - 현장 사진 5 000여 장을 수집하고, 전문가가 개별 골재를 라벨링해 데이터셋을 구축하였다. 라벨링은 다중 클래스(크기 구간)와 인스턴스 ID를 포함한다. - Mask‑RCNN 기반 딥러닝 파이프라인을 설계하고, ResNet‑101 백본에 FPN을 적용해 다중 스케일 특징을 추출한다. 데이터 증강(회전·색상 변형·노이즈 추가)으로 일반화 성능을 강화하였다. - 학습된 모델은 평균 AP 0.91, IoU 0.84를 달성했으며, 특히 중첩된 골재와 복잡한 배경에서도 개별 객체를 정확히 구분한다. - 세그멘테이션 결과를 바탕으로 각 골재의 면적·길이·형상 인자를 자동 계산하고, 이를 스톡파일 전체의 입도 분포와 부피 추정에 활용한다. 3. **3D 재구성‑세그멘테이션‑형상 보완(RSC‑3D) 파이프라인** - 다중 뷰 이미지(8~12장)를 촬영하고, Structure‑from‑Motion과 Multi‑View Stereo를 결합해 고밀도 포인트 클라우드를 복원한다. 포인트 클라우드 정밀도는 평균 0.5 mm 수준이며, 전체 스톡파일을 1 m³ 단위로 커버한다. - 복원된 포인트 클라우드에서 3D 골재 라이브러리를 구축한다. 라이브러리는 약 2 000개의 개별 골재 모델(다양한 크기·형상)과 메타데이터(재질·밀도·색상)로 구성된다. - 합성 데이터 생성 파이프라인을 통해, 라이브러리 모델을 무작위로 배치·쌓아 가상의 스톡파일을 만들고, 레이캐스팅으로 라벨이 포함된 3D 이미지(점, 라벨, 뷰)를 생성한다. 두 종류의 합성 데이터(인스턴스 라벨링 데이터와 부분‑전체 형상 쌍 데이터)를 각각 10 000개씩 확보하였다. - 3D 인스턴스 세그멘테이션은 PointGroup 기반 네트워크를 사용해 포인트 클라우드에서 개별 골재를 식별한다. 학습 결과, 평균 mAP 0.78, AR 0.81을 기록하였다. - 형상 보완(Shape Completion) 단계에서는 Partial‑Complete 쌍 데이터를 이용해 PCN(Point Completion Network)을 학습시킨다. 보이지 않는 면을 복원한 후 부피를 재계산하면 평균 부피 오차가 8 % 이하로 감소한다. 특히 높이와 부피 측정에서 기존 2D 기반 방법 대비 15 % 이상 정확도가 향상되었다. - 전체 파이프라인은 GPU가 장착된 노트북에서 약 5 fps 실시간 처리 속도를 보이며, 현장 엔지니어가 즉시 결과를 확인하고 의사결정에 활용할 수 있다. **시스템 통합 및 현장 적용** - 하드웨어는 DSLR 카메라(24 MP)와 3‑축 삼각대, 그리고 휴대용 라이트(필요 시)만으로 구성돼 비용 효율성이 높다. - 소프트웨어는 모듈화된 파이프라인(전처리·세그멘테이션·재구성·형상 보완)으로 설계돼, 각 단계별 파라미터를 현장 조건에 맞게 조정 가능하다. - 실제 채석장과 건설 현장에서 수행한 검증 실험에서는, 전체 시스템이 기존 QA/QC 프로세스 대비 30 % 이상의 시간 절감과 10 % 이상의 정확도 향상을 달성했다. **의의와 향후 연구** 본 연구는 현장 기반 골재 형태 분석을 위한 최초의 종합 솔루션이라 할 수 있다. 2D·3D 영상 처리와 딥러닝을 결합해 개별 골재부터 대규모 스톡파일까지 연속적인 정량 분석이 가능해졌으며, 이는 재료 품질 관리, 설계 최적화, 자재 회수·재활용 등 다양한 실무에 직접적인 가치를 제공한다. 향후 연구에서는 (1) 실시간 라이다·드론 기반 3D 스캔과의 연계, (2) 다양한 재료(콘크리트 파편·토양 입자)로의 확장, (3) 연속적인 시계열 데이터 분석을 통한 공정 모니터링 등을 목표로 하고 있다.